首页 > 文献资料
-
基于小波统计模型的医学超声图像去噪方法研究
超声图像中固有的斑点噪声严重降低图像的可解译程度,影响了后续的图像分析和诊断.因此,抑制相干斑噪声一直是医学超声图像预处理中一个关键性问题.本研究通过对含斑图像做对数变换和冗余小波分解,提出了一种基于Bayesian估计的小波域局部自适应性去斑算法.将斑点噪声和有用信号的小波系数分别建模为瑞利分布和拉普拉斯分布,利用大后验概率(MAP)准则得到了一种解析的Bayesian估计表达式;进一步通过邻域窗口估计模型参数,使算法具有局部自适应性.实验仿真表明,该算法简单有效,在滤除超声图像斑点噪声的同时,较好地保持了图像的细节特征,其性能优于空间域滤波和传统的小波去噪算法.
-
基于小波统计模型的医学超声图像去噪方法研究
超声图像中固有的斑点噪声严重降低图像的可解译程度,影响了后续的图像分析和诊断.因此,抑制相干斑噪声一直是医学超声图像预处理中一个关键性问题.本研究通过对含斑图像做对数变换和冗余小波分解,提出了一种基于Bayesian估计的小波域局部自适应性去斑算法.将斑点噪声和有用信号的小波系数分别建模为瑞利分布和拉普拉斯分布,利用大后验概率(MAP)准则得到了一种解析的Bayesian估计表达式;进一步通过邻域窗口估计模型参数,使算法具有局部自适应性.实验仿真表明,该算法简单有效,在滤除超声图像斑点噪声的同时,较好地保持了图像的细节特征,其性能优于空间域滤波和传统的小波去噪算法.
-
基于非参数自适应密度估计理论的医学超声图像去噪方法
在小波变换域中去除图像中的噪声是近年来的研究热点之一.目前在小波域中对加性噪声的去除已经有了许多研究结果,比如Donoho等的处理方法都得到了很好的应用.但是由于超声图像噪声情况的复杂性,其对去噪的方法提出了更高的要求.为了在去除噪声的同时能够更好的保护边缘及有用的细节信息,本研究结合Birgé-Massart等提出的非参数自适应估计理论,提出一种在平稳小波变换域中对超声图像去噪的方法.实验证明,这种基于非参数自适应估计理论的超声图像去噪方法,与Donoho阈值去噪方法相比,去噪效果有所提高.
